我如何将熊猫系列或索引转换为NumPy数组?

可以使用df.index访问索引对象，然后使用df.index.tolist()获取列表中的值。类似地，你可以为Series使用df['col'].tolist()。

要获得NumPy数组，你应该使用values属性:

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}, index=['a', 'b', 'c']); df
A  B
a  1  4
b  2  5
c  3  6


In [2]: df.index.values
Out[2]: array(['a', 'b', 'c'], dtype=object)

这将访问数据已经存储的方式，因此不需要进行任何转换。

注意:此属性也可用于许多其他pandas对象。

In [3]: df['A'].values
Out[3]: Out[16]: array([1, 2, 3])

要获取列表形式的索引，调用tolist:

In [4]: df.index.tolist()
Out[4]: ['a', 'b', 'c']

类似地，对于列。

从pandas v0.13开始，你还可以使用get_values:

df.index.get_values()

如果您正在处理一个多索引数据框架，您可能只对提取多索引的一个名称的列感兴趣。你可以这样做

df.index.get_level_values('name_sub_index')

当然，name_sub_index必须是FrozenList df.index.names的元素

我将熊猫dataframe转换为list，然后使用基本的list.index()。就像这样:

dd = list(zone[0]) #Where zone[0] is some specific column of the table
idx = dd.index(filename[i])

索引值为idx。

熊猫>= 0.24

弃用.values，转而使用这些方法!

从v0.24.0开始，我们将有两个全新的首选方法来从Index、Series和DataFrame对象中获取NumPy数组:它们是to_numpy()和.array。关于用法，文档中提到:

我们还没有删除或弃用Series.values或 DataFrame.values，但，我们强烈建议使用.array或 .to_numpy()。< /强> < / p >

pd.__version__
# '0.24.0rc1'


# Setup.
df = pd.DataFrame([[1, 2], [4, 5]], columns=['A', 'B'], index=['a', 'b'])
df


A  B
a  1  2
b  4  5

df.index.array
# <PandasArray>
# ['a', 'b']
# Length: 2, dtype: object


df['A'].array
# <PandasArray>
# [1, 4]
# Length: 2, dtype: int64

list(df.index.array)
# ['a', 'b']


list(df['A'].array)
# [1, 4]

df.index.tolist()
# ['a', 'b']


df['A'].tolist()
# [1, 4]